基于人工智能的心内科用心率不齐测试系统及方法

1.本发明涉及基于人工智能的心内科用心率不齐测试系统及方法。


背景技术：

2.心率不齐测试属于一个比较复杂的问题，现有技术中有比如cn201611263403.0公开的将动态模式识别领域中的确定学习理论应用于对ecg的st-t段的内在系统动态的局部准确建模和全息特征提取，并将所学习训练得到的系统动态知识进行存储并加以利用，构建模式库，用于心电信号的识别，还有比如的cn201910117098.1基于cnn的心电信号处理方法，类似的技术都着重在对信号或心率数据本身特征识别的处理，现有技术中还没有技术用于心率数据是否正常的判别技术，不过因心率不齐测试属于一个比较复杂的问题并且具有很强的个性化特点，所以在没有技术用于心率数据是否正常的判别基础上，单纯的对信号或心率数据本身特征识别的处理都会存在不可预知的问题。


技术实现要素：

3.本发明的目的在于提供基于人工智能的心内科用心率不齐测试系统及方法，以解决上述背景技术中提出的问题。
4.为了解决上述技术问题，本发明提供如下技术方案：基于人工智能的心内科用心率不齐测试方法，包括步骤：获取心内科测试心率数据，将心内科测试心率数据转换为采样数据，计算心内科测试心率数据的相关性规律数据概率数，根据相关性规律数据概率数判断心内科测试心率数据是否正常。
5.进一步，所述的心内科测试心率数据的原始数据为(j1,j2,j3,......j
w-1
,jw),将(j1,j2,j3,......j
w-1
,jw)转换为{k(i)}，其中的i为(j1,j2,j3,......j
w-1
,jw),的采样步长，对于不同的数据维度x，计算：
[0006][0007]
其中的
[0008][0009][0010]
[0011]
分别为{k(i)}的三个维度计算量。
[0012]
计算心内科测试心率数据的相关性规律数据概率数，具体的对于{k(i)}，设置采样步长为w/i，配置w/i-u+1个数组，
[0013][0014]
1≤t≤w/i-u+1，u为数组维度，定义d为规律概率的参考数值，数组的差为
[0015]
定义p
t
为满足
[0016]
的x的数量，
[0017]
定义o
t
为满足
[0018]
的x的数量，
[0019]
则相关性规律数据概率数为：
[0020]
进一步，所述的根据相关性规律数据概率数判断心内科测试心率数据是否正常，具体的判断计算的相关性规律数据概率数是否超阈值，如果相关性规律数据概率数不超过阈值则表明相应的测试心率数据正常，否则表明相应的测试心率数据不正常。
[0021]
基于人工智能的心内科用心率不齐测试系统，包括搭建在云服务器的云计算单元，所述的云计算单元包括相连接的采样数据处理模块、概率数计算单元，数据异常判别单元，
[0022]
所述的采样数据处理模块用于获取心内科测试心率数据，将心内科测试心率数据转换为采样数据；
[0023]
所述的率数计算单元用于计算心内科测试心率数据的相关性规律数据概率数；
[0024]
所述的数据异常判别单元用于根据相关性规律数据概率数判断心内科测试心率数据是否正常。
[0025]
进一步，基于人工智能的心内科用心率不齐测试系统，包括配置在云服务器的存储介质，该存储介质用于执行所述采样数据处理模块、概率数计算单元，数据异常判别单元的命令。
[0026]
与现有技术相比，本发明的有益效果：本技术根据相关性规律数据概率数判断心内科测试心率数据是否正常；具体的判断计算的相关性规律数据概率数是否超阈值，如果相关性规律数据概率数不超过阈值则表明相应的测试心率数据正常，否则表明相应的测试心率数据不正常，这样能够精准判断心率数据是不是正常的。
附图说明
[0027]
图1为基于人工智能的心内科用心率不齐测试方法流程图。
具体实施方式
[0028]
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029]
本技术公开了基于人工智能的心内科用心率不齐测试方法，如图1，包括步骤有：
[0030]
获取心内科测试心率数据，将心内科测试心率数据转换为采样数据，计算心内科测试心率数据的相关性规律数据概率数，根据相关性规律数据概率数判断心内科测试心率数据是否正常。
[0031]
优选地所述的心内科测试心率数据的原始数据为(j1,j2,j3,......j
w-1
,jw),将(j1,j2,j3,......j
w-1
,jw)转换为{k(i)}，其中的i为(j1,j2,j3,......j
w-1
,jw)的采样步长，对于不同的数据维度x，计算：
[0032][0033]
其中的
[0034][0035][0036][0037]
分别为{k(i)}的三个维度计算量。
[0038]
优选地，计算心内科测试心率数据的相关性规律数据概率数，具体的对于{k(i)}，设置采样步长为w/i，配置w/i-u+1个数组，
[0039][0040]
1≤t≤w/i-u+1，u为数组维度，定义d为规律概率的参考数值，数组的差为
[0041][0042]
定义p
t
为满足
[0043]
的x的数量，
[0044]
定义o
t
为满足
[0045]
的x的数量，
[0046]
则相关性规律数据概率数为：优选地所述的根据相关性规律数据概率数判断心内科测试心率数据是否正常，具体的判断计算的相关性规律数据概率数是否超阈值，如果相关性规律数据概率数不超过阈值则表明相应的测试心率数据正常，否则表明相应的测试心率数据不正常。
[0047]
本技术还公开了基于人工智能的心内科用心率不齐测试系统，包括搭建在云服务器的云计算单元，所述的云计算单元包括相连接的采样数据处理模块、概率数计算单元，数据异常判别单元，所述的采样数据处理模块用于获取心内科测试心率数据，将心内科测试心率数据转换为采样数据；所述的率数计算单元用于计算心内科测试心率数据的相关性规律数据概率数；
[0048]
所述的数据异常判别单元用于根据相关性规律数据概率数判断心内科测试心率数据是否正常；基于人工智能的心内科用心率不齐测试系统，包括配置在云服务器的存储介质，该存储介质用于执行所述采样数据处理模块、概率数计算单元，数据异常判别单元的命令。
[0049]
作为一个具体的实施例，所述的采样数据处理模块获取心内科测试心率数据，将心内科测试心率数据转换为采样数据；所述的心内科测试心率数据的原始数据为(j1,j2,j3,......j
w-1
,jw),将(j1,j2,j3,......j
w-1
,jw)转换为{k(i)}，其中的i为(j1,j2,j3,......j
w-1
,jw)的采样步长，对于不同的数据维度x，计算：
[0050][0051]
其中的
[0052][0053][0054]
分别为{k(i)}的三个维度计算量。
[0055]
所述的概率数计算单元计算心内科测试心率数据的相关性规律数据概率数；计算心内科测试心率数据的相关性规律数据概率数，具体的对于{k(i)}，设置采样步长为w/i，配置w/i-u+1个数组，
[0056][0057]
1≤t≤w/i-u+1，u为数组维度，定义d为规律概率的参考数值，数组的差为
[0058][0059]
定义p
t
为满足
[0060]
的x的数量，
[0061]
定义o
t
为满足
[0062]
的x的数量，
[0063]
则相关性规律数据概率数为：
[0064]
所述的数据异常判别单元根据相关性规律数据概率数判断心内科测试心率数据是否正常；具体的判断计算的相关性规律数据概率数是否超阈值，如果相关性规律数据概率数不超过阈值则表明相应的测试心率数据正常，否则表明相应的测试心率数据不正常，这样能够精准判断心率数据是不是正常。
[0065]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。